10种AD采样的软件滤波方法

10种AD采样的软件滤波方法


10种AD采样的软件滤波方法
1、限幅滤波法（又称程序判断滤波法）
A、方法：
根据经验判断,确定两次采样允许的最大偏差值（设为A）
每次检测到新值时判断： 
如果本次值与上次值之差<=A,则本次值有效 
如果本次值与上次值之差>A,则本次值无效,放弃本次值,用上次值代替本次值 
B、优点：  
能有效克服因偶然因素引起的脉冲干扰 
C、缺点 
无法抑制那种周期性的干扰 
平滑度差 
2、中位值滤波法
A、方法：  
连续采样N次（N取奇数） 
把N次采样值按大小排列 
取中间值为本次有效值 
B、优点： 
能有效克服因偶然因素引起的波动干扰 
对温度、液位的变化缓慢的被测参数有良好的滤波效果 
C、缺点： 
对流量、速度等快速变化的参数不宜  
3、算术平均滤波法   
A、方法： 
连续取N个采样值进行算术平均运算   
N值较大时：信号平滑度较高,但灵敏度较低  
N值较小时：信号平滑度较低,但灵敏度较高  
N值的选取：一般流量,N=12;压力：N=4  
B、优点：  
适用于对一般具有随机干扰的信号进行滤波  
这样信号的特点是有一个平均值,信号在某一数值范围附近上下波动 
C、缺点：  
对于测量速度较慢或要求数据计算速度较快的实时控制不适用 
比较浪费RAM 
4、递推平均滤波法（又称滑动平均滤波法） 
A、方法： 
把连续取N个采样值看成一个队列 
队列的长度固定为N  
每次采样到一个新数据放入队尾,并扔掉原来队首的一次数据.(先进先出原则)  
把队列中的N个数据进行算术平均运算,就可获得新的滤波结果 
N值的选取：流量,N=12;压力：N=4;液面,N=4~12;温度,N=1~4  
B、优点：  
对周期性干扰有良好的抑制作用,平滑度高 
适用于高频振荡的系统   
C、缺点：  
灵敏度低  
对偶然出现的脉冲性干扰的抑制作用较差  
不易消除由于脉冲干扰所引起的采样值偏差 
不适用于脉冲干扰比较严重的场合   
比较浪费RAM   
5、中位值平均滤波法（又称防脉冲干扰平均滤波法）   
A、方法：   
相当于“中位值滤波法”+“算术平均滤波法”   
连续采样N个数据,去掉一个最大值和一个最小值 
然后计算N-2个数据的算术平均值   
N值的选取：3~14 
B、优点：
融合了两种滤波法的优点   
对于偶然出现的脉冲性干扰,可消除由于脉冲干扰所引起的采样值偏差 
C、缺点：   
测量速度较慢,和算术平均滤波法一样 
比较浪费RAM 
6、限幅平均滤波法  
A、方法： 
相当于“限幅滤波法”+“递推平均滤波法” 
每次采样到的新数据先进行限幅处理, 
再送入队列进行递推平均滤波处理 
B、优点： 
融合了两种滤波法的优点 _
对于偶然出现的脉冲性干扰,可消除由于脉冲干扰所引起的采样值偏差   
C、缺点： 
比较浪费RAM 
7、一阶滞后滤波法  
A、方法：  
取a=0~1   
本次滤波结果=（1-a）*本次采样值+a*上次滤波结果 
B、优点： 
对周期性干扰具有良好的抑制作用  
适用于波动频率较高的场合 
C、缺点：  
相位滞后,灵敏度低  
滞后程度取决于a值大小   
不能消除滤波频率高于采样频率的1/2的干扰信号   
8、加权递推平均滤波法  
A、方法： 
是对递推平均滤波法的改进,即不同时刻的数据加以不同的权  
通常是,越接近现时刻的数据,权取得越大。   
给予新采样值的权系数越大,则灵敏度越高,但信号平滑度越低 
B、优点：
适用于有较大纯滞后时间常数的对象 
和采样周期较短的系统   
C、缺点：  
对于纯滞后时间常数较小,采样周期较长,变化缓慢的信号 
不能迅速反应系统当前所受干扰的严重程度,滤波效果差  
9、消抖滤波法 
A、方法：
设置一个滤波计数器 
将每次采样值与当前有效值比较：   
如果采样值＝当前有效值,则计数器清零 
如果采样值<>当前有效值,则计数器+1,并判断计数器是否>=上限N(溢出)  
如果计数器溢出,则将本次值替换当前有效值,并清计数器 
B、优点：
对于变化缓慢的被测参数有较好的滤波效果, 
可避免在临界值附近控制器的反复开/关跳动或显示器上数值抖动  
C、缺点：  
对于快速变化的参数不宜   
如果在计数器溢出的那一次采样到的值恰好是干扰值,则会将干扰值当作有效值导入系统
10、限幅消抖滤波法 
A、方法： 
相当于“限幅滤波法”+“消抖滤波法”
先限幅,后消抖  
B、优点： 
继承了“限幅”和“消抖”的优点 
改进了“消抖滤波法”中的某些缺陷,避免将干扰值导入系统 
C、缺点：  

对于快速变化的参数不宜 

10种软件滤波方法的示例程序

[cpp] view plaincopyprint?

1. 假定从8位AD中读取数据（如果是更高位的AD可定义数据类型为int),子程序为get_ad();  
2.   
3. 1、限副滤波  
4. /*  A值可根据实际情况调整 
5.     value为有效值，new_value为当前采样值   
6.     滤波程序返回有效的实际值  */  
7. #define A 10  
8.   
9. char value;  
10.   
11. char filter()  
12. {  
13.    char  new_value;  
14.    new_value = get_ad();  
15.    if ( ( new_value - value> A ) || ( value - new_value> A )  
16.       return value;  
17.    return new_value;  
18.            
19. }  
20.   
21. 2、中位值滤波法  
22. /*  N值可根据实际情况调整 
23.     排序采用冒泡法*/  
24. #define N  11  
25.   
26. char filter()  
27. {  
28.    char value_buf[N];  
29.    char count,i,j,temp;  
30.    for ( count=0;count<N;count++)  
31.    {  
32.       value_buf[count] = get_ad();  
33.       delay();  
34.    }  
35.    for (j=0;j<N-1;j++)  
36.    {  
37.       for (i=0;i<N-j;i++)  
38.       {  
39.          if ( value_buf>value_buf[i+1] )  
40.          {  
41.             temp = value_buf;  
42.             value_buf = value_buf[i+1];   
43.              value_buf[i+1] = temp;  
44.          }  
45.       }  
46.    }  
47.    return value_buf[(N-1)/2];  
48. }       
49.   
50. 3、算术平均滤波法  
51. /* 
52. */  
53.   
54. #define N 12  
55.   
56. char filter()  
57. {  
58.    int  sum = 0;  
59.    for ( count=0;count<N;count++)  
60.    {  
61.       sum + = get_ad();  
62.       delay();  
63.    }  
64.    return (char)(sum/N);  
65. }  
66.   
67. 4、递推平均滤波法（又称滑动平均滤波法）  
68. /* 
69. */  
70. #define N 12   
71.   
72. char value_buf[N];  
73. char i=0;  
74.   
75. char filter()  
76. {  
77.    char count;  
78.    int  sum=0;  
79.    value_buf[i++] = get_ad();  
80.    if ( i == N )   i = 0;  
81.    for ( count=0;count<N,count++)  
82.       sum = value_buf[count];  
83.    return (char)(sum/N);  
84. }  
85.   
86. 5、中位值平均滤波法（又称防脉冲干扰平均滤波法）  
87. /* 
88. */  
89. #define N 12  
90.   
91. char filter()  
92. {  
93.    char count,i,j;  
94.    char value_buf[N];  
95.    int  sum=0;  
96.    for  (count=0;count<N;count++)  
97.    {  
98.       value_buf[count] = get_ad();  
99.       delay();  
100.    }  
101.    for (j=0;j<N-1;j++)  
102.    {  
103.       for (i=0;i<N-j;i++)  
104.       {  
105.          if ( value_buf>value_buf[i+1] )  
106.          {  
107.             temp = value_buf;  
108.             value_buf = value_buf[i+1];   
109.              value_buf[i+1] = temp;  
110.          }  
111.       }  
112.    }  
113.    for(count=1;count<N-1;count++)  
114.       sum += value[count];  
115.    return (char)(sum/(N-2));  
116. }  
117.   
118. 6、限幅平均滤波法  
119. /* 
120. */    
121. 略 参考子程序1、3  
122.   
123. 7、一阶滞后滤波法  
124. /* 为加快程序处理速度假定基数为100，a=0~100 */  
125.   
126. #define a 50  
127.   
128. char value;  
129.   
130. char filter()  
131. {  
132.    char  new_value;  
133.    new_value = get_ad();  
134.    return (100-a)*value + a*new_value;   
135. }  
136.   
137. 8、加权递推平均滤波法  
138. /* coe数组为加权系数表，存在程序存储区。*/  
139.   
140. #define N 12  
141.   
142. char code coe[N] = {1,2,3,4,5,6,7,8,9,10,11,12};  
143. char code sum_coe = 1+2+3+4+5+6+7+8+9+10+11+12;  
144.   
145. char filter()  
146. {  
147.    char count;  
148.    char value_buf[N];  
149.    int  sum=0;  
150.    for (count=0,count<N;count++)  
151.    {  
152.       value_buf[count] = get_ad();  
153.       delay();  
154.    }  
155.    for (count=0,count<N;count++)  
156.       sum += value_buf[count]*coe[count];  
157.    return (char)(sum/sum_coe);  
158. }  
159.   
160. 9、消抖滤波法  
161.   
162. #define N 12  
163.   
164. char filter()  
165. {  
166.    char count=0;  
167.    char new_value;  
168.    new_value = get_ad();  
169.    while (value !=new_value);  
170.    {  
171.       count++;  
172.       if (count>=N)   return new_value;  
173.        delay();  
174.       new_value = get_ad();  
175.    }  
176.    return value;      
177. }  
178.   
179. 10、限幅消抖滤波法  
180. /* 
181. */  
182. 略 参考子程序1、9  
183.   
184. 11、IIR滤波例子  
185.   
186. int  BandpassFilter4(int InputAD4)  
187. {  
188.     int  ReturnValue;   
189.     int  ii;  
190.     RESLO=0;  
191.     RESHI=0;  
192.     MACS=*PdelIn;  
193.     OP2=1068; //FilterCoeff4[4];  
194.     MACS=*(PdelIn+1);  
195.     OP2=8;    //FilterCoeff4[3];  
196.     MACS=*(PdelIn+2);  
197.     OP2=-2001;//FilterCoeff4[2];  
198.     MACS=*(PdelIn+3);  
199.     OP2=8;    //FilterCoeff4[1];  
200.     MACS=InputAD4;  
201.     OP2=1068; //FilterCoeff4[0];  
202.     MACS=*PdelOu;  
203.     OP2=-7190;//FilterCoeff4[8];  
204.     MACS=*(PdelOu+1);  
205.     OP2=-1973; //FilterCoeff4[7];  
206.     MACS=*(PdelOu+2);  
207.     OP2=-19578;//FilterCoeff4[6];  
208.     MACS=*(PdelOu+3);  
209.     OP2=-3047; //FilterCoeff4[5];  
210.     *p=RESLO;  
211.     *(p+1)=RESHI;  
212.     mytestmul<<=2;  
213.     ReturnValue=*(p+1);  
214.     for  (ii=0;ii<3;ii++)  
215.     {  
216.      DelayInput[ii]=DelayInput[ii+1];  
217.      DelayOutput[ii]=DelayOutput[ii+1];  
218.      }   
219.      DelayInput[3]=InputAD4;  
220.      DelayOutput[3]=ReturnValue;  
221.        
222.    //  if (ReturnValue<0)  
223.    //  {  
224.    //  ReturnValue=-ReturnValue;  
225.    //  }  
226.     return ReturnValue;    
227. }  
228.